Специфікація та оцінювання моделі

Ви вже бачили команду glm() для запуску логістичної регресії. glm() означає узагальнену лінійну модель і надає цілу родину регресійних моделей.

Візьміть набір даних вправи для цього завдання з коду. Дані defaultData, потрібні для цієї вправи, доступні у вашому середовищі й готові до моделювання.

Ця вправа є частиною курсу

Machine Learning для маркетингової аналітики в R

Переглянути курс

Інструкції до вправи

Скористайтеся функцією glm(), щоб змоделювати імовірність того, що клієнт прострочить платіж, за допомогою логістичної регресії. Увімкніть усі пояснювальні змінні з набору даних і вкажіть дані, які слід використати.
Не забудьте вказати аргумент family.
Витягніть коефіцієнти з моделі, перетворіть їх на відношення шансів (odds ratios) і заокругліть.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Build logistic regression model
logitModelFull <- ___(PaymentDefault ~ limitBal + sex + education + marriage +
                   age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 + 
                   billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 + 
                   payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6, 
                family = ___, data = ___)

# Take a look at the model
___(logitModelFull)

# Take a look at the odds ratios
coefsexp <- ___(logitModelFull) %>% ___ %>% round(2)
coefsexp

Редагувати та запускати код